MovieLens

概述

MovieLens 是从 GroupLens 研究组于 1997 年直接孵化出的在线电影推荐平台，同时产出了推荐系统领域最重要的公开数据集，从 MovieLens 100K 到 MovieLens 25M，每年被下载数十万次，是全球推荐算法研究的标准基准。

关键内容

1. 起源：1997 年从 GroupLens 研究组直接孵化，是一个面向公众的在线电影推荐平台。其初衷不仅提供服务，更是为了收集大规模用户评分数据以推动推荐系统研究。

2. 数据集系列：

3. MovieLens 100K：943 个用户、1,682 部电影、100,000 条评分（1-5 分整数评分），数据稀疏度约 93.7%（用户平均只评价了约 6.3% 的电影），从超过 43,000 个注册用户中随机抽样，只保留评价过至少 20 部电影的用户。最早被 Item-Based Collaborative Filtering Recommendation Algorithms 使用的基准数据集。
4. MovieLens 1M：100 万条评分，6,000 用户对 4,000 部电影的评分
5. MovieLens 10M：1,000 万条评分，包含标签数据
6. MovieLens 25M：2,500 万条评分，当前最广泛使用的版本

7. 评分矩阵填充率仅约 10%，典型地体现了推荐系统中的数据稀疏性问题

8. 学术影响：过去三十年中绝大多数协同过滤算法论文都直接或间接使用了 MovieLens 数据集。它提供了一个标准化的比较平台，使得不同研究团队可以在相同数据上评估算法性能。

9. 与 Net Perceptions 的关系：Net Perceptions 是 GroupLens 团队于 1996 年创立的商业公司，而 MovieLens 则保持了学术研究定位，两者共同推动了推荐系统从学术到产业的转化。

10. 数据特征：

11. 显式评分（1-5 分制）
12. 包含用户人口统计学信息（年龄、性别、职业、邮编）
13. 包含电影元数据（标题、类型、上映年份）
14. 较新版本包含标签（tags）和时间戳数据

来源

• raw/books/推荐系统/02-grouplens-collaborative-filtering.md — GroupLens 历史影响章节
• raw/books/推荐系统/03-item-based-collaborative-filtering.md — 第 7.1 节（MovieLens 100K 数据集详情）
• The MovieLens Datasets (Harper & Konstan 2015)

相关

• GroupLens — MovieLens 的母研究组
• 协同过滤 — MovieLens 数据集主要服务于协同过滤算法研究
• Net Perceptions — 同源的商业化推荐系统公司